基于TV模型和纹理合成的图像修复算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·图像修复的研究背景与意义 | 第10-12页 |
| ·图像修复算法的国内外研究现状 | 第12-13页 |
| ·本文工作以及论文结构安排 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第二章 图像修复理论及方法 | 第15-29页 |
| ·图像修复理论 | 第15-18页 |
| ·认知心理学格式塔理论与图像修复 | 第15-16页 |
| ·图像修复的三大原则 | 第16-17页 |
| ·图像修复效果的评判标准 | 第17-18页 |
| ·基于非纹理的图像修复算法 | 第18-23页 |
| ·BSCB 修复模型 | 第19-20页 |
| ·整体变分(TV)修复模型 | 第20-21页 |
| ·曲率驱动扩散(CDD)模型 | 第21-22页 |
| ·基于快速行进法的图像修复 | 第22-23页 |
| ·基于纹理合成的图像修复算法 | 第23-26页 |
| ·图像纹理简介 | 第23-24页 |
| ·纹理合成技术 | 第24-25页 |
| ·基于纹理合成的图像修复 | 第25-26页 |
| ·算法分析与比较 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 改进的TV 模型图像修复算法 | 第29-39页 |
| ·TV 模型回顾 | 第29-32页 |
| ·建立TV 模型 | 第29-30页 |
| ·TV 模型的数值实现 | 第30-32页 |
| ·基于TV 模型的图像修复算法改进 | 第32-34页 |
| ·实验结果及比较分析 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于纹理合成的图像修复算法 | 第39-54页 |
| ·Criminisi 算法简介 | 第39-40页 |
| ·优先权的计算 | 第39-40页 |
| ·最佳匹配块的选择并填充 | 第40页 |
| ·置信度更新 | 第40页 |
| ·Criminisi 算法的不足 | 第40-41页 |
| ·改进的纹理合成的图像修复算法 | 第41-47页 |
| ·预备知识 | 第41-42页 |
| ·确定当前待修复图像块 | 第42-45页 |
| ·修复当前图像块中的未知像素点 | 第45-47页 |
| ·更新处理状态信息 | 第47页 |
| ·实验及结果对比 | 第47-52页 |
| ·交互式的纹理合成修复方法 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于图像分解的图像修复算法 | 第54-62页 |
| ·图像的分解 | 第54-57页 |
| ·图像分解模型 | 第54-55页 |
| ·图像分解的数值实现 | 第55-56页 |
| ·图像分解的实验结果 | 第56-57页 |
| ·图像分解的修复算法实现 | 第57-58页 |
| ·实验结果及对比分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |
